本发明公开了一种适用于任意入射场的AI学习型电磁散射计算方法，属于电磁散射领域。本发明采用AI学习网络来训练学习对比度入射波到感应电流之间的非线性关系：样本设计：为了引入已知信息，网络输入采用作为输入，计算得到前向电流数据作为AI学习型网络的真实样本；网络设计：采用AI学习型网络作为模型来完成训练预测过程，从而表征输入信息，也就是散射体，入射场，到感应电流的关系。本发明相比与作为输入的，这种方法适用范围更广，在相同网格划分下，应用此方法求解散射场，不仅在时间上比传统算法快，而且在精度上也有不小的提升，仿真测试验证了该方法的有效性。
📄 2020102110868
📂 G06F30_27
👤 杭州电子科技大学
📅 2020-03-23
本发明公开一种基于深度学习的电磁散射计算方法。计算得到样本电流数据，并采用深度学习网络来训练学习对比度入射波 到感应电流之间的非线性关系，包括样本设计和网络设计，样本设计：网络输入采用两种方案作为输入，并计算得到前向电流数据作为深度学习网络真实样本；网络设计：本发明设计采用深度学习网络作为模型来完成训练预测过程，从而表征输入信息，也就是散射体，入射场，到感应电流的关系。实验证明，入射波的入射角度和强度固定时，在相同网格划分下，应用此方法求解散射场时，不仅在时间上比现有技术快，而且在精度上也有不小的提升，仿真测试验证了该方法的有效性。
📄 2020102112331
📂 G06F30_23
👤 杭州电子科技大学
📅 2020-03-23
柿子坊 · 知识产权运营
柿子坊知识产权运营平台